大厂需要什么样的数据分析师？
随着数据分析岗位的正规化，很多新人也进入到这个行业中来，一些从业者明显感觉到了压力。
从最新的岗位JD上，也能看出，从SQL、Python到建模分析、Tableau，对数据分析岗位的要求，是越来越高了。
数据分析师到底要掌握什么样的能力？我们要如何适应新的要求，避免被淘汰？
今天我们就来好好聊聊。
纵览各大公司的需求，我发现，一个优秀的数据分析师，必须具备三方面的能力：
1. 数据分析技能
一般来说，数据分析所用到的技能主要有这7种：
1）统计分析： 数据分析的基石，以更科学的角度看待数据，接近背后的“真相”。
2）可视化辅助工具： Excel、BI工具、Python
3）大数据处理框架： Hadoop、Storm、Spark
4）数据库： SQL、MySql、DB
5）数据仓库： SSIS、SSAS
6）数据挖掘工具： Matlab、R语言、Python
7）挖掘算法： 数据结构、一致性
当然，业务线不同，行业不同，常用的工具类型也不一样。但最基础的，肯定是Excel、SQL、Python三件套。
2. 独到的分析思维和表达
一份数据分析报告不是简单描述事件什么时候发生、如何发生，而是要根据数据结论，去告诉业务组或者领导，如何去优化，之后会往什么方向走，怎么提升业绩。
也就是说，有了数据，还要知道怎么分析，所以一定要有一套完整的数据分析方法论，起码知道出了异常怎么排查，在哪埋点做A/B Test，如何建立长效统计模型等。
当然，有了分析结论之后，如何表达，如何让业务部门读懂看懂，就需要通过熟练运用各种图表、可视化工具，包括PPT等去生成一个优秀的报告。
3. 深刻的业务认知
只有拓宽眼界，既了解行业实际，又抓住业务本质，才能提出有建设性的意见给运营、产品、领导，才能优化流程，提升业务表现。
这一点其实才是数据分析师的价值所在，很多数据分析师之所以遇到瓶颈，薪资上不去，职级不提升，成了人肉取数机，就是因为缺乏业务认知。
技能决定的是你的下限，而业务和思维则决定了你的上限。
以上三个素质，其实也是初级、中级、高级数据分析师的三个分水岭。
底层数据分析师，或者说数据专员，基本上等同于跑数工具人。工具可能用的很熟练，但是只会给别人处理需求，业务觉得哪里有异常，就跑哪里的数据。
中级一点的数据分析师，这时候可能已经是部门的leader了，可以独立解决一些问题，如当日UV下滑，转化率不高的处理等，可以通过用户画像、问题假设等方法，定位原因并解决。
更高级的数据分析师，一般是专家级或者业务线负责人的级别，不光能描述事情为什么发生，产生了什么影响，更能通过深刻的业务认知，预测业务的走向，指导如何提升业绩。
这三种数据分析师给公司提供的价值一目了然，也自然是越高级的越受重视，越不会被淘汰。
如果你还是处于最底层或者中级的数据分析岗，那我必须提醒你，不要停留在自己的舒适区，不要让自己被更廉价的新人取代！
如何掌握这三种素质，晋升高级数据分析师？
工具还比较好入门，但思维和业务认知都是建立在大量的项目经验，还有深厚的技术积累的基础上的。
有人说，我现在就是一个小公司的数据分析专员，平时光处理业务的需求就焦头烂额，也接触不到完整的业务，更不要提拆解、分析了，怎么去学习提升？
我不建议你直接去自学，一是学不到专业的知识架构，以及行业最需要的技能。二是不能接触真实业务，学了也没用。
如果想要系统学习却不知道如何开始，强烈推荐你了解这门数据分析系统提升课程--《数据分析 · 就业班》，多位大厂数据分析高管结合10多年的数据分析经验，联手互联网一线企业HRBP求职辅导，相信能给你带来不小的启发。
课程大纲：（上下滑动查看）
数据分析就业班
（上下滑动查看）
想了解老师课程排期/更多课程详情服务
扫码添加顾问老师咨询
👇
- END -
